Mam nadzieję, że zdajesz sobie sprawę (z formy twojego pytania, myślę, że tak), że trzy miesiące czytania na ten temat tak naprawdę nie czyni cię ekspertem w dziedzinie przetwarzania obrazu.
Znam topcoder , ale chociaż trudność problemów i podejść, które musiałeś zastosować, może być podobna do problemów z przetwarzaniem obrazu, aby zaprojektować użyteczną aplikację do przetwarzania obrazu: wykonaj badania specyficzne dla problemu, zaimplementuj swoje ustalenia i nowe pomysły , przetestuj go, aby uzyskać wiarygodne wyniki, potrzebujesz znacznie więcej niż kilku godzin (lub nawet tygodnia, jak w przypadku maratonu topcoder).
Jeśli chcesz dowiedzieć się więcej o podstawowych narzędziach do przetwarzania obrazu, proponuję:
- weź całą swoją literaturę, losowo otwórz stronę i przestudiuj i zastosuj wyjaśnioną tam koncepcję
- weź bibliotekę komputerową, taką jak OpenCV , lub pracuj w Matlabie , zrób kilka zdjęć i spróbuj użyć i wyświetlić na nich różne metody przetwarzania obrazu (od prostej morfologii do bardziej skomplikowanych rzeczy, takich jak wykrywanie linii Hougha). Spróbuj przewidzieć wyniki, wyświetlić je graficznie i zrozumieć, co otrzymujesz.
Jeśli interesuje Cię konkretny problem z przetwarzaniem obrazu (np. Wykonuję pobieranie obrazów na podstawie treści - CBIR w tej chwili - a przez to mam na myśli, że prawie przez ostatnie 5 miesięcy), i chcesz poprawić się w tym konkretnym temacie, to moja rada byłaby taka:
- szukaj w Google Scholar, bazie artykułów Mendeley, IEEEXplore w celu znalezienia odpowiednich prac na ten temat
- pobierz zdecydowanie za dużo artykułów, może 3-5 tyle, ile jesteś gotów przeczytać. Skim abstrakcyjne , intruduction i Wnioski sekcji i odfiltrować artykułów dźwięk istotnych i ciekawych. Daj pierwszeństwo bieżącym (ostatnim) artykułom, a także artykułom z bieżącymi odniesieniami.
- przeczytaj to wszystko. Przeczytaj najważniejsze więcej niż raz. Oczekuje się, że ten, który będzie podstawą twojej pracy, będzie miał marginesy wypełnione twoimi bazgrołami i będzie wyglądał przynajmniej trochę niepewnie, zanim skończysz 5. czytanie.
- wdrożyć to. Przejdź od prostej, prostej implementacji do zoptymalizowanej implementacji.
- zanim zaczniesz to robić, upewnij się, że masz zestaw danych do testowania. Testowanie nie jest istotne, jeśli nie jest wykonywane na wystarczająco dużym zestawie danych. Niektóre prace wspominają o zestawach danych, których używają, lub ich zestawy danych można znaleźć na powiązanych stronach uczelni.
- istnieją publiczne zestawy danych (np. ten do klasyfikacji obiektów ), które również organizują coroczne wyzwania, w których możesz przetestować swoje nowe pomysły w porównaniu z nowymi pomysłami wielu ludzi (ale jest to znacznie większe niż topcoder: D)
- jeśli uzyskasz przyzwoite wyniki, to dobrze. Jeśli uzyskasz lepsze wyniki niż najnowocześniejsze dzięki niektórym z nowych pomysłów, sprawdź je dwukrotnie. Następnie potrój je sprawdź. A potem opublikuj fantazyjny artykuł;)
Jestem pewien, że można znaleźć środek między nauką przetwarzania obrazu dla zabawy a przeprowadzaniem czasochłonnych badań na podstawie tego, co napisałem ... Właściwie oto pomysł: zatrzymaj się tutaj i spróbuj zrozumieć i pomóc rozwiązać problemy innych ludzi! Wszystkie z nich potrzebują kroków polegających na analizie, po prostu różnią się głębokością wymaganych kroków;) W każdym razie mam nadzieję, że to pomoże.